Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

PID2020-117142GB-I00

Financiado

APRENDIZAJE PROFUNDO EFICIENTE PARA SECUENCIAS DE VIDEO Y NUBES DE PUNTOS

LOS DATOS, LA COMPUTACION Y LAS REDES NEURONALES SON LOS TRES COMPONENTES CLAVE QUE EXPLICAN EL EXITO RECIENTE DE LOS METODOS DE APRENDIZAJE PROFUNDO, LA HISTORIA RECIENTE DE LA INVESTIGACION DEL APRENDIZAJE PROFUNDO APUNTA A UNA... ver más

01/01/2020

UPC

117K€

Presupuesto del proyecto: 117K€

Líder del proyecto

Universidad Politécnica de Cataluña No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 9

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2020-01-01 No tenemos la información de la convocatoria

0% 100%

Participantes

UPC

Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

Rand4TrustPool Random sampling for trustworthy pooling layers in graph neur... 227K€ Cerrado

DeepLearning 2.0 DeepLearning 2.0: Meta-Learning Qualitatively New Components 2M€ Cerrado

PCIN-2013-067 ANOTACION COLABORATIVA, MULTIMODAL, MULTILINGUE, MULTIMEDIA,... 115K€ Cerrado

RTI2018-102285-A-I00 APRENDIZAJE PROFUNDO MULTIMODAL ESTRUCTURADO 28K€ Cerrado

PID2021-127946OB-I00 APRENDIZAJE PROFUNDO PARA LA DETECCION DE ANOMALIAS EN DATOS... 54K€ Cerrado

TIN2008-06815-C02-02 MODELOS GRAFICOS PROBABILISTICOS PARA CLASIFICADORES MULTIDI... 64K€ Cerrado

Líder del proyecto

Universidad Politécnica de Cataluña No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 9

Presupuesto del proyecto 117K€

Descripción del proyecto LOS DATOS, LA COMPUTACION Y LAS REDES NEURONALES SON LOS TRES COMPONENTES CLAVE QUE EXPLICAN EL EXITO RECIENTE DE LOS METODOS DE APRENDIZAJE PROFUNDO, LA HISTORIA RECIENTE DE LA INVESTIGACION DEL APRENDIZAJE PROFUNDO APUNTA A UNA DISPONIBILIDAD CADA VEZ MAYOR DE DATOS DE ALTA CALIDAD, YA SEA EN FORMA DE BASES DE DATOS O ENTORNOS SIMULADOS, LA VERSION GENERALIZADA DE LA LEY DE MOORE SUGIERE UNA TENDENCIA SIMILAR PARA LA POTENCIA COMPUTACIONAL, CON EL COSTO DE CADA UNIDAD DE CALCULO DISMINUYENDO EXPONENCIALMENTE CON EL TIEMPO, LA COMPUTACION Y LOS DATOS A GRAN ESCALA ERAN CONDICIONES NECESARIAS PARA DESBLOQUEAR EL POTENCIAL DEL APRENDIZAJE PROFUNDO, PERO POR SI SOLOS NO EXPLICAN LOS AVANCES RECIENTES EN EL CAMPO,POR UN LADO, EL ENFOQUE CLASICO DE APRENDIZAJE SUPERVISADO EN EL QUE TODOS LOS DATOS DE ENTRENAMIENTO ESTAN DISPONIBLES JUNTO CON ETIQUETAS GENERADAS POR HUMANOS NO ESCALA CUANDO SE TRATA DE GRANDES VOLUMENES DE DATOS, EL COSTO DE LA ANOTACION HUMANA ES A MENUDO EL FACTOR MAS LIMITANTE CUANDO SE LLEVAN A LA PRODUCCION SOLUCIONES DE APRENDIZAJE PROFUNDO, ESTA LIMITACION HA MOTIVADO LOS AVANCES EN EL APRENDIZAJE AUTOMATICO EN LA EFICIENCIA DE DATOS, EN CAMPOS COMO EL APRENDIZAJE AUTO-SUPERVISADO, LA DESTILACION , EL APRENDIZAJE INCREMENTAL [DOUILLARD 2020], EL APRENDIZAJE CON SIMULADORES , EL APRENDIZAJE NO SUPERVISADO, TODOS ESTOS CASOS APUNTAN A UNA MAYOR EFICIENCIA DE DATO A PARTIR DE LOS COSTES DE ANOTACION DISPONIBLE,POR OTRO LADO, EL AVANCE DE LAS ARQUITECTURAS NEURONALES Y SU OPTIMIZACION DEL APRENDIZAJE SE HA VISTO IMPULSADO POR LA NECESIDAD DE HACER UN USO EFICIENTE DE LA POTENCIA COMPUTACIONAL DISPONIBLE, LA ADOPCION DE SOLUCIONES COMPUTACIONALES MAS LIGERAS NO SOLO REDUCE EL TIEMPO DE CAPACITACION, SINO QUE TAMBIEN REDUCE LA GRAN CANTIDAD DE REQUISITOS DE MEMORIA Y EL CONSUMO DE ENERGIA QUE REQUIERE EL HARDWARE ESPECIALIZADO UTILIZADO PARA ESTA CAPACITACION: GPU Y TPU,ESTOS DOS DESAFIOS DE EFICIENCIA DE DATOS Y COMPUTACION SE VUELVEN ESPECIALMENTE CRUCIALES CUANDO SE PROCESAN GRANDES CANTIDADES DE DATOS, COMO ES EL CASO DE LAS SECUENCIAS DE VIDEO Y NUBES DE PUNTOS, LOS ALTOS VOLUMENES DE DATOS DIMENSIONALES SON FUNDAMENTALES EN LAS APLICACIONES DE VISION POR COMPUTADORA Y CUANDO SE DESARROLLA UNA GRAN VARIEDAD DE APLICACIONES, QUE VAN DESDE IMPLEMENTACIONES A GRAN ESCALA PARA LA MOVILIDAD EN CIUDADES INTELIGENTES, HASTA SISTEMAS DE MONITORIZACION DOMESTICOS QUE AYUDAN A LAS PERSONAS MAYORES QUE VIVEN SOLAS, ESTE PROYECTO DE INVESTIGACION TIENE COMO OBJETIVO DESARROLLAR SOLUCIONES LIGERAS DE APRENDIZAJE PROFUNDO DESDE LA PERSPECTIVA DE DATOS Y COMPUTACION, CENTRANDOSE EN APLICACIONES DE VISION POR COMPUTADORA, EN LAS QUE NUESTRO EQUIPO TIENE UNA GRAN EXPERIENCIA, LA HIPOTESIS PRINCIPAL ES QUE LOS ENFOQUES GENERICOS PROPUESTOS EN LOS PROBLEMAS CLASICOS DEL APRENDIZAJE AUTOMATICO NO SE PUEDEN APLICAR DE MANERA ESTANDAR CUANDO SE TRATA DE TAREAS DE ALTA DIMENSION QUE INVOLUCRAN SECUENCIAS DE VIDEOS Y NUBES DE PUNTOS, NUESTRA PROPUESTA DIFIERE DE LA MAYORIA DE LOS ESFUERZOS DE INVESTIGACION EXISTENTES QUE APUNTAN A LA PRECISION, QUE SE HA DEMOSTRADO QUE AUMENTA AL AGREGAR DATOS Y COMPUTACIONALES AL ENTRENAMIENTO DE REDES NEURONALES PROFUNDAS, SEGUN NUESTRA OPINION, EL PRINCIPAL DESAFIO DE ESTOS SISTEMAS DE ALTO RENDIMIENTO EN TERMINOS DE INVESTIGACION RADICA EN SUS DOS PILARES DE APOYO: DATOS Y COMPUTACION, INTELIGENCIA ARTIFICIAL\APRENDIZAJE PROFUNDO\EFICIENCIA\VIDEO\NUBES DE PUNTOS\MULTIMODAL\COMPUTACION\APRENDIZAJE POR REFUERZO

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores